Yazarlar

• Nurcan Şimşek(1)
• Recep Kiriş(1)

• Yüksek Lisans TeziAçık Erişim2021/r/gumushane/21154
  Deprem sonrası hasarlı yolların yapay zekâ ile tespit edilerek en kısa yol güzergâhlarının anlık optimizasyonu

  Nurcan Şimşek

  Doğa kaynaklı afetlerden biri olan depremlerden sonra hasarlı yolların belirlenmesi ve hasar görmemiş uygun yolların bulunması, kurtarma işlemlerinin yürütülmesinde, insanların etkilenen bölgeden en kısa sürede tahliyesinde ya da insani yardım malzemelerinin bölgeye sevk edilmesinde hayati önem taşımaktadır. Günümüzde kullanılan geleneksel insan gözlemi ve uydu görüntüleri ile yapılan yol hasarı değerlendirmeleri zaman alıcı ve maliyetli olmalarının yanı sıra sadece yollarda bulunan hasarları inceleyerek afet bölgelerine ulaşabilmek için trafik geçişi hakkında herhangi bir bilgi içermemektedirler. Bu çalışmada; depremlerden sonra meydana gelen yol hasarlarının otomatik belirlenip afet bölgelerine yakın başka bir güzergâhın belirlenmesi için evrişimli sinir ağı ve klasik en kısa yol algoritmasının birbirine entegrasyonu ile hızlı ve verimli bir hibrit taşıma sistemi oluşturulmuştur. CNN algoritması hasarlı ve hasarsız olmak üzere toplamda 552 yol görüntülerinden oluşan veri setinde eğitilerek VGG-16 mimarisi ile gerçekleştirilen test sonrasında %97 oranında doğruluk elde etmeyi başarmıştır. CNN algoritmasının açık yol ve kapalı yol olarak yapmış olduğu tahminler ile klasik en kısa yol algoritması üzerinden hasar gören yollar, kullanılan ceza terimi ile çıkartılıp tüm kullanılabilir güzergâhlar arasından en kısa mesafeli olan güzergâh belirlenmiştir. Bu iki algoritmanın birbirine entegrasyonu ile hızlı ve verimli bir hibrit taşıma sistemi oluşturularak başarılı sonuçlar elde edilmiştir.

  İncele
• Yüksek Lisans TeziAçık Erişim2021/r/gumushane/21111
  Görüntü segmentasyonu ile entegre edilmiş evrişimli sinir ağları ile deprem sonrası hasarlı binaların otomatik olarak tespiti

  Recep Kiriş

  Doğal afet türlerinden biri olan depremlerin meydana gelmesinden sonra birçok afetzedenin hayatını kurtarabilmek ve kriz yönetimini daha mükemmel sonuçlandırabilmek için afet bölgesinde bulunan hasarlı binaları mümkün olduğunca en kısa sürede tespit etmek ve tespit edilen hasarlı binalara müdahalelerde bulunmak son derece önemlidir. Günümüzde, deprem sonrasında hasarlı binaların tespiti afet bölgesinde görev alan yetkililer tarafından gözlemlenerek, uydu görüntülerinden veya helikopter gibi hava araçlarından alınan görüntülerden faydalanılarak yapılmaktadır. Yetkililerin gözlemleriyle hasarlı binaların tespiti zaman açısından ciddi kayıplar doğururken, tespitlerin doğruluğu bakımından da güvenilirliği tartışılır düzeydedir. Bu çalışmada, deprem ve sel gibi beklenmedik afetlerden sonra hasarlı veya tahrip olmuş binaların otomatik olarak tespit edilebilmesi için yapay zeka tabanlı sistemler test edilmiştir. Çalışma sırasında görüntü sınıflandırma literatüründe sıklıkla kullanılan VGG-16, VGG-19 ve NASNet evrişimli sinir ağı modelleri kullanılmıştır. Bu modelleri etkili bir şekilde uygulayabilmek için, önce çalışmada kullanılan tüm görüntüler K-Means kümeleme algoritması ile segmentlere ayrılmıştır. Sonrasında, çalışmanın ilk aşaması için, "hasarlı binalar" ve "normal binalar" olarak etiketlenen resimler sınıflandırılmıştır. VGG-19 modeli test setinde %90 doğruluk oranı elde edilmiştir. Çalışmanın ikinci aşamasında "hasarlı binalar", "daha az hasarlı binalar" ve "normal binalar" olarak etiketlenen resimler için çok sınıflı bir sınıflandırma algoritması oluşturulmuştur. Bu aşamada VGG-19, VGG-16 ve NASNet test setinde sırasıyla yaklaşık %69, %66 ve %62.5 doğruluk oranı elde edilmiştir.

  İncele